扩散模型隐私-效用最优权衡框架提出
热点事件观察中
扩散模型隐私-效用最优权衡框架提出
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Tue Do 提出扩散模型最优隐私-效用权衡框架,用精确敏感度刻画替代宽松的直径敏感度界,并称可给出可证明最优的噪声校准。 该研究证明,任意规模数据集的最坏情况敏感度仅需两条记录即可精确刻画;数据域大小为 m 时,约束数至多 m(m-1)。框架给出 Rényi、近似与高斯差分隐私及二值记录互信息隐私的精确保证,并证明最小加权均方误差可通过半正定规划计算且满足强对偶性,从而提供全局最优性证书。 上述结论针对理想扩散去噪器,属于论文中的理论证明,尚未见实际部署效果的验证。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 07:37
扩散模型敏感度几何与强对偶性:实现最优隐私-效用权衡报道时间线
沿着报道,了解事件的不同侧面。
10月21日
- arXiv 隐私论文扩散模型敏感度几何与强对偶性:实现最优隐私-效用权衡
研究提出扩散模型最优隐私-效用权衡框架,用精确敏感度刻画替代宽松的直径敏感度界,证明任意规模数据集的最坏情况敏感度仅需两条记录即可精确刻画,数据域大小为 m 时约束数至多 m(m-1)。该框架给出 Rényi、近似与高斯差分隐私及二值记录互信息隐私的精确保证,并证明最小加权均方误差可通过半正定规划计算且满足强对偶性,从而提供全局最优性证书。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。